姿态估计模型训练方法、姿态估计方法、装置和电子设备制造方法及图纸

本申请实施例公开了姿态估计模型训练方法、姿态估计方法、装置和电子设备。该方法的实施例包括：获取样本图像和样本图像中的关节点的初始热力图；将样本图像输入至待训练的姿态估计模型，得到样本图像中的关节点的尺度特征图、预测热力图和嵌入标签；基于尺度特征图对初始热力图进行调整，得到目标热力图；基于目标热力图、预测热力图以及嵌入标签，更新待训练的姿态估计模型的参数。该实施方式在保证处理效率的同时，提高了姿态估计结果的精度。提高了姿态估计结果的精度。提高了姿态估计结果的精度。

【技术实现步骤摘要】
姿态估计模型训练方法、姿态估计方法、装置和电子设备


[0001]本申请实施例涉及计算机
，具体涉及姿态估计模型训练方法、姿态估计方法、装置和电子设备。

技术介绍

[0002]姿态估计是计算机视觉的一个重要分支，用于定位对象的各个关节点，如手肘、手腕、膝盖等。
[0003]现有技术中，可通过检测图像中的各对象，将各对象缩放至固定大小后进行关节点检测，从而得到各对象的姿态。这种方式需要对对象的检测，计算量较大，因而处理效率较低。现有技术的另一种方式可通过同一函数或算法检测全部关节点，并确定各关节点所属的对象，从而得到各对象的姿态。这种方式无法对不同尺度的对象区别处理，因而姿态预估结果的精度较低。

技术实现思路

[0004]本申请实施例提出了姿态估计模型训练方法、姿态估计方法、装置和电子设备，以解决现有技术中为保证处理效率导致姿态预估结果的精度较低的技术问题。
[0005]第一方面，本申请实施例提供了一种姿态估计模型训练方法，该方法包括：获取样本图像和所述样本图像中的关节点的初始热力图；将所述样本图像输入至待训练本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种姿态估计模型训练方法，其特征在于，所述方法包括：获取样本图像和所述样本图像中的关节点的初始热力图；将所述样本图像输入至待训练的姿态估计模型，得到所述样本图像中的关节点的尺度特征图、预测热力图和嵌入标签；基于所述尺度特征图对所述初始热力图进行调整，得到目标热力图；基于所述目标热力图、所述预测热力图以及所述嵌入标签，更新所述待训练的姿态估计模型的参数。2.根据权利要求1所述的方法，其特征在于，所述基于所述尺度特征图对所述初始热力图进行调整，得到目标热力图，包括：选取所述初始热力图中温度值满足预设条件的目标点；确定所述目标点在所述尺度特征图中的对应点，并获取所述对应点的特征值；基于所述特征值对所述目标点的温度值进行调整，得到目标热力图。3.根据权利要求1或2所述的方法，其特征在于，所述基于所述目标热力图、所述预测热力图以及所述嵌入标签，更新所述待训练的姿态估计模型的参数，包括：基于所述预测热力图，更新热力图损失函数中的权重系数；基于所述目标热力图、所述预测热力图和更新后的热力图损失函数，确定第一损失值；基于所述嵌入标签和标签损失函数，确定第二损失值；基于所述第一损失值和所述第二损失值，更新所述待训练的姿态估计模型的参数。4.根据权利要求1
‑
3任一项所述的方法，其特征在于，所述获取样本图像和所述样本图像中的关节点的初始热力图，包括：获取样本图像，并确定所述样本图像中的关节点；基于所述样本图像中的关节点以及标准差为固定值的高斯核函数，生成表征所述样本图像中的关节点的初始热力图。5.根据权利要求4所述的方法，其特征在于，所述基于所述样本图像中的关节点以及标准差为固定值的高斯核函数，生成表征所述样本图像中的关节点的初始热力图，包括：确定所述样本图像中的至少一个目标对象；对于所确定出的每个目标对象，基于该目标对象的关节点以及标准差为固定值的高斯核函数，生成该目标对象的关节点的热力图；将各目标对象的关节点的热力图进行融合，得到所述样本图像中的关节点的初始热力图。6.根据权利要求5所述的方法，其特征在于，所述对于所确定出的每个目标对象，基于该目标对象的关节点以及标准差为固定值的高斯核函数，生成该目标对象的关节点的热力图，包括：对于所确定出的每个目标对象，将该目标对象中的关节点映射至目标尺寸图像，并基于标准差为固定值的高斯核函数的标准差，确定所述目标尺寸图像中的关节点对应的覆盖区域；基于所述高斯核函数确定所述覆盖区域内的各像素点的温度值，并将所述覆盖区域外的各像素点的温度值设置为预设值，得到初始热力图。7...

【专利技术属性】
技术研发人员：罗正雄，王志成，周而进，
申请(专利权)人：北京迈格威科技有限公司，
类型：发明
国别省市：